概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两门学科的基础。

大家好，我是Peter~ 今天给大家带来一篇新的kaggle数据建模文章：信贷违约预测 本文是基于一份Lendingclub上面的信贷数据，根据贷款人的历史数据和贷款信息，建立一个逻辑回归模型来预测借

本篇内容详细讲解XGBoost的工程应用方法。XGBoost是一个非常强大的Boosting算法工具包，是很多大厂机器学习方案的模型首选，在并行计算效率、缺失值处理、控制过拟合等能力上都表现非常优秀。

本篇内容是Kaggle数据科学竞赛Rossmann store sales解决方案的进阶版本，整体方案包括探索性数据分析、缺失值处理、特征工程、基准模型与评估、XGBoost建模与调优等完整板块。

聚类是最常见的无监督学习算法。本文讲解聚类问题常见算法及用途，包括划分聚类的K-Means算法、K-Medoids算法，层次聚类的Single-Linkage 算法等重要知识点。

本篇内容给大家详细讲解了特征工程的知识，包括数据清洗（数据对齐、缺失值处理、异常值处理），特征构建，特征变换，特征选择与实战特征工程经验等内容。

逻辑回归简单有效且可解释性强，是机器学习领域最常见的模型之一。本文讲解逻辑回归算法的核心思想，并讲解sigmoid函数、梯度下降、解决过拟合、线性/非线性切分等重要知识点。